用于预测ICU患者短期存活的交互式生存概率图开发
机器学习
2025-05-27 v1
摘要
贫血性贫血是一种罕见且致命的血液学疾病，特征为髓系细胞减少和骨髓功能衰竭。ICU admission（ICU admission）往往预示着严重并发症或疾病进展，对早期风险评估至关重要，对于临床决策和资源分配至关重要。本研究使用MIMIC-IV数据库识别贫血性贫血ICU患者，从五个领域提取临床特征：人口学特征、合成指标、实验室结果、合并症和药物。将400多个变量通过基于机器学习的特征选择缩减为7个关键预测因子。构建了逻辑回归和Cox回归模型，用于预测7、14和28天死亡风险，并使用AUROC进行性能评估。使用eICU Collaborative Research Database进行外部验证，以评估模型的泛化性。在纳入1662名患者后，逻辑回归模型表现优越，7、14和28天死亡的AUROC分别为0.8227、0.8311和0.8298；外部验证的AUROC分别为0.7391、0.7119和0.7093。基于逻辑回归模型开发了交互式生存概率图，用于 visually估计个体患者风险。总之，我们识别出一套简洁的7个预测因子，其中以APS III为主，构建了经过验证且具有良好泛化性的生存概率图，准确估计了ICU贫血性贫血患者的短期死亡风险。这些工具可能有助于临床医生在病房进行个体化风险分层和决策。
引用
@article{arxiv.2505.18421,
title = {Development of Interactive Nomograms for Predicting Short-Term Survival in ICU Patients with Aplastic Anemia},
author = {Junyi Fan and Shuheng Chen and Li Sun and Yong Si and Elham Pishgar and Kamiar Alaei and Greg Placencia and Maryam Pishgar},
journal= {arXiv preprint arXiv:2505.18421},
year = {2025}
}